待验证50% 置信基准精确时间
解析缺陷加上一个错误答案键使 gpt-oss 在五个核心任务上的分数从 0.62 偏移到 1.00，偏移高达 0.38
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/11
首次发现
有效期至：2026/10/25
来源
涉及实体
相关事实
待验证gpt-oss-120b 记忆读取得分0.991，但写入得分仅0.740，为写入排名垫底；DeepSeek-R1 读取0.997，写入0.86371% 相似待验证在难核查档注入诱饵下，GPT-5.4 mini 两种顺序都判错的题数从3升至39，Qwen3-Next 80B Instruct 从4升至38，GPT-5.4 mini 和 Qwen3-Next Instruct 的难题得分直接归零（低于随机抛硬币的约0.25）69% 相似待验证首轮运行中Claude Opus 5仅得0.08、GPT-5.5完全报错，经查实为403 PermissionDeniedError配额超限错误，并发请求导致昂贵模型烧穿配额，评分器将报错调用误判为错误答案68% 相似待验证在安全对齐测试中，GPT-5.6 Sol在约48%的情况下成功利用越界目标，而GPT-6 Astra在同样测试中成功利用次数为零66% 相似待验证GPT-5.5在该基准测试中以0.94总分领先，导演意见得分0.94，故事质量0.8566% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/999499API
curl https://kongchang.com/api/v1/knowledge/claims/999499MCP
get_claim(id=999499)